中咨公司党委书记、董事长苟护生：加快推动人工智能与制造业深入融合

加快推动人工智能与制造业深入融合

苟护生

中国国际工程咨询有限公司党委书记、董事长

习近平总书记指出，人工智能是引领新一轮科技革命和产业变革的重要驱动力；积极推动人工智能科技创新与产业创新深度融合。党的二十届四中全会提出，坚持智能化、绿色化、融合化方向，加快建设制造强国、质量强国、航天强国、交通强国、网络强国，保持制造业合理比重，构建以先进制造业为骨干的现代化产业体系。制造业是立国之本、强国之基，我国制造业规模大、门类齐全、体系完备，既是人工智能创新应用主战场，也迫切需要通过人工智能的深度应用，加快实现产业升级。在世界百年变局加速演进，新一轮科技革命和产业变革深入发展，现代化强国建设进程加快推进的背景下，推动人工智能与制造业深度融合，不仅是实现我国制造业高质量发展的关键路径，更是构建现代化产业体系、赢得未来竞争新优势的重要举措。

一、人工智能与制造业深度融合是国家发展所需

（一）构筑制造业国际竞争力的战略支点

当前，全球制造业竞争愈发激烈，发达国家凭借技术先发优势，加快人工智能在制造业的布局应用，以巩固其全球领先地位。我国正处于制造强国建设的重要阶段，制造业仍面临着大而不强、全而不精、创新能力不足、资源环境约束趋紧等问题，亟须通过技术创新和产业升级，提升核心竞争力，在新的竞争格局中谋求生存与发展。推动人工智能与制造业深度融合，是我国制造业从规模扩张向质量效益提升转变、从传统制造向智能制造跨越、从价值链中低端向中高端迈进的必由之路，对于推动我国高质量发展、建设制造强国、提升国际竞争力具有重要意义。

（二）培育制造业新质生产力的关键引擎

新质生产力是以科技创新为主导的先进生产力质态，呈现出高科技、高效能、高质量的特征。人工智能可推动制造业发展从要素驱动转向创新驱动。从作用路径看，人工智能激活了数据这一新型生产要素，将其转化为有价值的洞察和决策，并通过人机协同、虚拟培训等方式提升劳动者的技能水平与创新能力，实现劳动力要素的整体升级。同时，机器学习、生成式人工智能、数字孪生等技术深刻变革制造业创新范式，可加速知识创造与技术迭代，推动创新模式从依赖个人经验转向汇聚集体智慧、从串行转向并行，有力促进科技成果向现实生产力转化。

（三）推进制造业生态跃迁的核心驱动力

凭借强大的技术穿透力，人工智能正在重构制造业产业生态。在生产模式上，人工智能赋能装备及生产线自感知和自决策能力，实现自主调整运行参数和生产节奏，推动传统制造方式从单品种、大批量、刚性向多品种、小批量、柔性方向演进。在组织形态上，人工智能与工业互联网平台等应用，促进设计、生产、服务等环节要素高效流动，推动传统线性产业链向网络化形态转型。在价值创造上，人工智能助力企业从“产品导向”转为“产品+服务导向”，通过预测性维护、远程运维等增值服务拓展盈利空间，依托深度洞察驱动精准创新，构建起可持续的价值创造循环。这一多层次的生态跃迁，为制造业高质量发展奠定了基础。

二、人工智能与制造业融合发展取得积极成效

近年来，人工智能在制造业的应用日益广泛和多元，重点行业智能化水平持续提升，关键环节智能化转型不断加快。截至目前，我国已累计建成8200余家先进级、500余家卓越级智能工厂，并遴选出15家领航级智能工厂培育对象，这些工厂成为我国制造业应用人工智能等新一代信息技术的标杆和典范，催生零缺陷制造、敏捷柔性制造、超常规制造等未来制造模式，人工智能赋能制造业成效初步显现。

从重点行业来看，人工智能技术和解决方案已在汽车、机器人、船舶、电子电气、化工新材料、纺织轻工等多个行业探索应用，实现单点与局部突破，助力企业降本增效和产品升级。例如，在汽车行业，人工智能技术被应用于智能装配线、质量检测、供应链管理等场景，赋能汽车产品以智能驾驶、智能座舱等新价值，推动企业效益提升。在机器人行业，传统工业机器人通过深度学习和强化学习，能够完成复杂焊接、柔性抓取、实时质检等工作；人形机器人依托多模态感知与先进决策算法，能够完成物流搬运、安防巡检等工作，人机协同将迈向新阶段。在船舶行业，生成式人工智能能够根据初始需求自动生成船型设计方案，助力精益制造和管理水平提升。

从关键环节来看，人工智能已逐步渗透到制造业研发设计、生产制造、运营管理和产品服务等产业链主要环节。在研发设计环节，人工智能驱动设计创造、工艺流程优化、仿真分析验证等，显著缩短研发周期、降低试错成本。在生产制造环节，人工智能驱动生产排程与调度、产品质检、设备故障诊断与预测性维护、安防巡检等，实现资源优化、质量提升与安全保障。在运营管理环节，人工智能驱动采购预测与供应链协同、运营数据深度洞察、企业知识管理等，提升决策效率和管理水平。在产品服务环节，人工智能驱动生成客户画像进行精准营销、AR/VR沉浸式产品体验、智能客服实时不间断服务等，持续拓展产品价值与服务边界。

三、人工智能与制造业深度融合仍面临五大挑战

人工智能与制造业的融合并非坦途，推进过程仍面临五个方面的主要挑战。

（一）人工智能核心技术仍存短板

目前，我国在人工智能技术高端训练与推理芯片、底层深度学习框架、核心工业算法库等方面，仍依赖外部技术生态，限制了制造业智能化转型的路径选择与发展上限。同时，工业人工智能技术成熟度仍不高，在可靠性、可解释性等方面存在不足，如应对训练数据之外场景时可能出错，决策逻辑犹如“黑箱”难以追溯和审核，复杂工况下模型性能容易衰减，实时推理能力尚难满足高节拍生产要求，多样化的工业场景适配难且成本高等，限制了其在制造业的可用性价值。

（二）人工智能应用深度有待拓展

目前，制造业企业对人工智能技术的认知多为增效工具，而非驱动商业模式与组织架构根本性变革的手段，已有应用主要集中于视觉质检、预测性维护等外围环节，尚未触及核心价值域及全链条系统性重塑，单点应用效益有限，场景渗透“边缘化”、应用深度不足问题突出。同时，人工智能应用基础参差不齐，区域发展不平衡。例如，中小企业数字化基础普遍薄弱，受资金短缺、技术落后、人才匮乏等限制，人工智能算力的前期高成本投入与后期回报的不确定性令多数企业望而却步；中西部、东北地区与东部地区相比，在工业和数字化基础设施、创新能力、人才集聚等方面存在差距，人工智能应用受限。

（三）数据治理面临挑战

数据是驱动人工智能的关键要素，而制造业数据分散在设备、系统和产业链各环节，来源广泛、协议混杂，大量数据“采不全、采不准”，且缺乏统一标准，导致数据碎片化、质量低，模型训练“垃圾进、垃圾出”现象普遍，严重影响了模型预测和决策能力。此外，涉及核心工艺与生产运营的数据是企业的重要资产，受数据泄漏风险与权属不明等问题影响，数据跨企业、跨机构流通与协同利用仍面临严重阻碍，难以培育有效挖掘产业链价值的行业模型。

（四）安全体系尚不健全

制造业一贯强调稳定与可控，而人工智能系统在制造业的应用实践才刚刚起步，智能化系统及设备的广泛互联与应用增加了整个生产系统的复杂程度。特别是在一些高速连续生产场景中，任何微小的系统失效或决策偏差都可能演变为整线停摆或大批次质量缺陷，制造业企业的安全生产体系面临新挑战。同时，当前技术迭代速度远超法律与标准体系建设步伐，导致监管存在一定空白，如智能工厂发生事故时，责任主体难以准确界定。

（五）高端人才较为短缺

人工智能赋能制造业需要既熟悉先进制造工艺与智能化运营管理，又擅长人工智能算法的复合型人才，以及能够适应人机协同新范式的产业工人。然而，当前国内教育体系在课程设置与师资储备上尚不完善，人才培养速度滞后于产业发展需求，高端人才短缺问题仍然较为突出。同时，制造业对高端人才的吸引力严重不足。与互联网、金融等行业相比，制造业在薪酬待遇、职业前景、创新氛围等方面通常存在差距，在人才争夺战中处于不利地位，易陷入“人才短缺－转型迟缓－进一步削弱吸引力”的恶性循环。

四、多措并举推动人工智能与制造业深度融合

面向新一轮科技革命和产业革命浪潮，我国要牢牢把握人工智能发展重大机遇，体系化推进人工智能产业创新和赋能应用，多措并举推动人工智能与制造业深度融合，为推动制造业高质量发展、加快构建现代化产业体系筑牢坚实的物质技术基础。

（一）加强顶层战略布局

推动《国务院关于深入实施“人工智能+”行动的意见》《“人工智能+制造”专项行动实施意见》等政策有效衔接、持续发力，强化战略引领，细化在重点行业的推进措施，确保纵深落地。立足制造业智能化转型成效与长远发展需求，跟踪研判欧美等国前沿动向，动态优化发展路径，持续增强顶层设计的前瞻性与适应性。考虑不同地区、企业资源差异，构建涵盖技术研发引导、产业应用扶持、财政补贴保障、人才培育激励等多维度的综合性政策支持体系，建立健全跨部门政策协同与执行联动机制，切实增强政策合力与实施效能。

（二）筑牢关键技术底座

实施非对称赶超战略，依托新型举国体制，组织产学研用联合攻关，重点突破高端工业人工智能芯片、智能传感器等核心基础零部件，加快研发自主可控的新一代工业软件及操作系统，发展面向制造业复杂应用场景的小样本学习、可解释人工智能等专用技术，建设高质量工业数据集、边缘计算算力网络等新型基础设施，构建面向特定行业、关键工艺的专用大模型和智能体，探索大小模型、多智能体协同生态，力争在若干细分领域形成自主优势。

（三）开放拓展应用场景

搭建线上线下供需对接平台，围绕研发设计、智能生产、供应链管理等制造业核心环节，推动人工智能技术与制造业应用场景精准适配，以场景化方式推动智能生产线、数字化车间和智能工厂建设。加快遴选并开放一批综合性重大场景、行业领域集成式场景及高价值小切口场景，构建多元示范矩阵，加快推广人工智能赋能制造业标杆解决方案。同时，积极探索尝试为人工智能大模型、具身智能机器人等首台（套）、首版次、首批次成果在制造业场景化验证应用提供风险补偿，纳入“两重”“两新”超长期特别国债专项等政策支持范围，降低企业应用人工智能技术的成本与风险。

（四）优化融合创新生态

培育壮大制造业数据处理和数据服务产业，健全数据确权、定价与交易机制，建设安全可信的数据共享空间。统筹全国“人工智能+制造”产业发展，优化国家智算资源布局，强化基础设施共建共享，促进区域协调发展。健全治理体系，加快制定制造业场景下的功能安全、信息安全、可信人工智能评估等法规与标准，明确人机责任边界，建立敏捷包容的监管机制。完善工业人工智能安全防护体系，筑牢产业安全防线。培育开放创新生态，大力发展开源社区，设立制造业人工智能开源项目培育计划，通过赛事等活动激发创新活力。

（五）加强要素支撑保障

支持优质的大型制造业企业成长为智能化改造标杆，鼓励开放能力、共享资源，带动中小企业协同转型，壮大赋能应用服务商。高标准建设人工智能开放创新平台、行业数据共享平台、大模型公共服务平台等，提供算力、算法、数据与测试环境等公共服务，以及标准化智能工业APP与模块化解决方案，降低中小企业转型门槛。同时，加快健全“人工智能+制造”复合型人才培养体系，完善交叉学科建设与师资配置，深化产教融合，实施在职工程师人工智能能力提升行动，推广首席人工智能官制度，面向全球引才引智，形成“引育留用”有机结合的人才发展格局。